Технологии зрения и визуализации двигают инновации за пределами традиционного производства

Технологии зрения и визуализации давно служат критическими энаблерами в различных секторах — от автомобильной сборки до контроля качества. В промышленных условиях системы машинного зрения повышают продуктивность, снижают брак и операционные расходы, делая их незаменимыми инструментами современного производства.

Рынок промышленного машинного зрения растёт рекордными темпами. По словам Алекса Шикани, вице-президента по маркетингу и работе с членами Ассоциации для продвижения автоматизации (A3), продажи в Северной Америке в первой половине 2021 года выросли на 26%, достигнув рекорда $764 млн. Опрос A3 2021 года показал, что более 95% респондентов ожидают устойчивый рост в ближайшие полгода. Др Крис Йейтс из Vision Ventures atribутирует этот импульс повышению осведомлённости о ценности зрения, снижению стоимости компонентов и ПО, улучшению интероперабельности и удобству использования.

И зрелые, и الناشшие отрасли принимают технологии зрения и визуализации, но какие новые приложения на горизонте?

От заводских полей к сельским

Сельское хозяйство всё чаще использует машинное зрение, как свидетельствует прогноз USDA: доход ферм в США вырастет на 7,3% в 2021 году до $486 млрд, частично благодаря автоматизации. Вертикальное фермерство — быстрорастущий сектор, выращивающий культуры в стопках климат-контролируемых башен — выделяется как особенно подходящее для роботизированной помощи.

«Точное земледелие» давно привлекало автоматизацию. Автономные тракторы теперь навигируют по полям с помощью GNSS/GPS, но настоящая автономность требует надёжной перцепции для обнаружения и избегания препятствий — людей и скота. Сенсоры вроде инфракрасных камер, LiDAR и 3D-систем времени полёта всё чаще интегрируются в агророботов. Некоторые автономные машины даже выполняют химическое недербинство, используя модели глубокого обучения на базе зрения.

Автоматизация сбора урожая сильно опирается на визуализацию. Коботы и автономные машины используют камеры и ИИ для различения спелой и неспелой продукции, управляя точными операциями pick-and-place. Abundant Robotics сообщала об успешных испытаниях робота для сбора яблок, идентифицирующего спелые плоды через зрение. Кембриджский университет продемонстрировал робота для сбора салата, использующего множество камер и алгоритмов машинного обучения для поиска зданых головок.

Вертикальные фермы получают выгоду от контролируемых сред, делая их идеальными для visión-направленного посадки и сбора. Роботы могут точно размещать рассаду в башнях и позже собирать зрелые культуры, максимизируя урожай и снижая затраты на труд.

В традиционном земледелии машинное зрение помогает в инспекции культур, выявляя засуху или болезни. Мультиспектральная и гиперспектральная визуализация — سواء на наземных сенсорах или дронах — стала проверенным инструментом для полевого анализа. Инфракрасные снимки дополнительно улучшают обнаружение аномалий здоровья растений.

Точная обработка встречает продвинутую перцепцию

Сектор точной обработки (ЧПУ), оцениваемый примерно в $400 млрд, также внедряет машинное зрение для качества и эффективности. В 2021 году отрасль выросла ~7%, подталкиваемая автоматизацией, которая сокращает брак, режет операционные расходы и улучшает использование труда.

Роботизированное обслуживание станков, давно практикуемое в серийном производстве, набирает обороты в точной обработке. Vision-направленные роботы теперь выполняют загрузку/разгрузку деталей, позволяя высокосмешанное, малосерийное производство с минимальным вмешательством человека. 3D-обработка становится гейм-чейнджером для случайного bin picking заготовок, устраняя необходимость в специальных приспособлениях и сокращая цикл времени.

Эти примеры иллюстрируют, как технологии зрения и визуализации продолжают открывать новые рубежи в секторах, доставляя более высокое качество, низкие затраты и большую операционную гибкость.